3659 ورقة بحثية
تقدم هذه الورقة Guarded-V2X، وهي بنية حماية دلالية متضمنة (inline) تدمج آليات أمنية متعددة الطبقات لحماية أنظمة المركبة إلى كل شيء (V2X) المدعومة بالنماذج اللغوية الكبيرة من هجمات مستوى المطالبة (prompt-level attacks) مع الحفاظ على قيود الأداء في الوقت الفعلي.
تقدم هذه الورقة NEBULA، وهي مواصفة مستقلة عن لغة البرمجة ومجموعة تنفيذ مرجعي مفتوح المصدر تُعرّف نموذج رمز تحديث دوار دقيق وغير شفاف مع عقد تدوير آمن من حيث التزامن للقضاء على الانحراف في التنفيذ وضمان الامتثال الأمني المتسق مع RFC 9700 عبر بيئات برمجية متنوعة.
يُعدُّ PrivDyG إطار عمل للحفاظ على الخصوصية في الاستدلال على الرسوم البيانية الديناميكية، حيث يجمع بين التعلم الهيكلي القائم على الشبكات العصبية الرسومية (GNN) والاستدلال الدلالي القائم على النماذج اللغوية الكبيرة (LLM) لتحقيق خصوصية تفاضلية على مستوى الحافة بتكلفة تراكمية ثابتة، متفوقاً بشكل ملحوظ على النماذج المرجعية الحالية في المنفعة مع الحد من تراكم فقدان الخصوصية.
يصنف هذا البحث تصنيفاً كاملاً لتبديلات حاصل ضرب الأثر القياسي لدالة "جولد" (Gold) ذات الخاصية غير الممتلئة (APN) في الأبعاد الزوجية، حيث يثبت أن التبديلات غير البديهية تحدث حصرياً عند مع معاملات محددة مقبولة، بينما يضع مبرهنة صلابة البعد التي تستبعد مثل هذه التبديلات لجميع قيم الزوجية التي تكون أكبر من أو تساوي 10.
تقدم الورقة البحثية Trident، وهو إطار عمل لاختبار الاختراق القائم على الوكلاء للنماذج اللغوية الكبيرة (LLM) يستفيد من بنية "البرمجية كسياسة" (Code-as-Policy) في التعلم المعزز مع التغذية الراجعة من المخرأ (RLVR) لتوليد استراتيجيات هجوم تكيفية، مما يكشف أن دفاعات الأمن السيبراني الحالية القائمة على التعلم المعزز العميق هشة جوهرياً ويتم التفوق عليها بسهولة من قبل التهديدات الديناميكية مقارنة بالنماذج المرجعية الاستدلالية الثابتة.
تقدم هذه الورقة SecureCollaRAG، وهو إطار عمل للبحث والتحسين المعزز بالاسترجاع (RAG) تعاوني ومقاوم للخطأ البيزنطي، يستخدم التحقق من المعرفة متعدد المصادر وتصنيف المصداقية الديناميكي القائم على الشبكات العصبية الرسومية (GNN) للتحقق بأمان من أصل المستندات ومنع هجمات فساد المعرفة مع الحفاظ على سلامة المعرفة النطاقية في ظل توزيعات البيانات غير المتطابقة (non-IID).
تقدم هذه الورقة البحثية DeepInvert، وهو هجوم استرداد تمثيل شبه مُشرف يستغل البنية الدلالية المحفوظة في تمثيلات النماذج اللغوية المموّهة لاستعادة الرموز الأصلية بدقة أعلى بكثير من الطرق السابقة، مما يكشف أن دفاعات التمويه الحالية غالباً ما تفشل في تحقيق التوازن بين حماية الخصوصية وفائدة المهام.
تقترح هذه الورقة MOAT، وهو دفاع للمعالجة المسبقة غير مرتبط بنموذج محدد يستخدم تحويلات مدخلات عشوائية لحماية نماذج المحولات الرؤية (Vision Transformers) من الهجمات العدائية التي تستهدف تقليم الرموز (token pruning)، مما ينجح في حصر تدهور الكفاءة الحسابية ضمن نطاق 3.4% دون الحاجة إلى تغييرات في بنية النموذج.
تقدم هذه الورقة البحثية مفهوم "وعي الأذونات" (Permission Literacy) لتقييم قدرة وكلاء واجهة المستخدم الرسومية للهواتف المحمولة على التمييز بين الأذونات الضرورية وغير الضرورية، مما يكشف أن قرارات التفويض الخاصة بهم تتأثر بشدة بالثقة في التطبيق وسياق المهمة بدلاً من التقييم الموضوعي للمخاطر، وبالتالي تسلط الضوء على الحاجة إلى فصل تنفيذ المهام عن تفويض الأذونات في تصميمات الوكلاء المستقبلية.
تقدم هذه الورقة نهجاً للتحليل الساكن القائم على التصنيف لاكتشاف وتقييم الأصول التشفيرية عبر الأنظمة البرمجية، مما يثبت فعاليتها في تحديد الثغرات الأمنية ومرشحي الهجرة إلى عصر ما بعد الكم لتعزيز حوكمة الأمن والشفافية.